Detailansicht
Turing-Test der Übersetzung
Unterscheidung zwischen Human- und maschineller Übersetzung von Marketingtexten
Sebastian Guttmann
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Zentrum für Translationswissenschaft
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Translation Deutsch Englisch
Betreuer*in
Dagmar Gromann
DOI
10.25365/thesis.81515
URN
urn:nbn:at:at-ubw:1-10503.61416.470340-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Die vorliegende Masterarbeit untersucht die Wahrnehmung maschineller Übersetzungen anhand eines Turing-Test-ähnlichen Settings. Im Fokus steht die Frage, ob Leser:innen zwischen Humanübersetzungen und maschinellen Übersetzungen kreativer Marketingtexte unterscheiden können und inwiefern die verwendeten Tools DeepL und ChatGPT sowie der Expert:innenstatus der Teilnehmenden die Wahrnehmung beeinflussen. Dazu wurden Sprachexpert:innen in der Textarbeit und Lai:innen Ausschnitte aus Marketing-Webseitentexten vorgelegt, die hinsichtlich ihres Ursprungs eingeschätzt und anhand sprachlicher sowie stilistischer Kriterien bewertet werden sollten. Die Ergebnisse zeigen, dass rund ein Drittel der maschinell übersetzten Textausschnitte von Teilnehmenden als humanübersetzt wahrgenommen wurde, wobei kein klarer Vorteil des Expert:innenstatus festgestellt werden konnte. Darüber hinaus wurde kein signifikanter Unterschied zwischen den beiden verwendeten maschinellen Tools nachgewiesen, wenngleich Chat-GPT bei kreativeren Texten höhere Täuschungsraten erzielte. Die Untersuchungsergebnisse zeigen eine systematische Verzerrung bei der Beurteilung von Übersetzungen, die als maschinell wahrgenommen wurden, da diese konsistent schlechter bewertet wurden. Die Arbeit zeigt damit, dass rohe Outputs maschineller Übersetzungssysteme im Bereich kreativer Marketingkommunikation von Leser:innen überwiegend erkannt werden, ihre Bewertung jedoch stark vom angenommenen Ursprung beeinflusst wird. Die Ergebnisse dieser Arbeit leisten somit einen Beitrag zur Einschätzung des aktuellen Entwicklungsstands maschineller Übersetzung im kreativen Bereich und bieten Anknüpfungspunkte für weitere Untersuchungen zu den Auswirkungen maschinell wahrgenommener Übersetzungen auf Markenreputation und Kund:innenbindung.
Abstract
(Englisch)
This master’s thesis examines the perception of machine translations using a Turing Test-like setting. The focus lies on the question of whether readers can distinguish between human translations and machine translations of creative marketing texts, and to what extent the tools used (DeepL and ChatGPT) and the participants’ expert status influence this perception. For this purpose, experts in text work and laypeople were presented with excerpts from marketing website texts, which they were asked to assess in terms of their origin and evaluate on the basis of linguistic and stylistic criteria. The results show that around a third of the machine-translated text excerpts were perceived by participants as having been translated by a human, with no clear advantage being observed for participants with expert status. Furthermore, no significant difference was found between the two machine translation systems used, although ChatGPT achieved higher deception rates with more creative texts. The findings reveal a systematic bias in the evaluation of translations perceived as machine-generated, as these were consistently rated lower. The study thus demonstrates that readers are generally able to recognise raw outputs from machine translation systems in the field of creative marketing communication, although their assessment is strongly influenced by the perceived origin of the text. The findings of this paper thus contribute to an assessment of the current state of development of machine translation for creative purposes and provide a basis for further research into the effects of machine-translated content on brand reputation and customer loyalty.
Schlagwörter
Schlagwörter
(Deutsch)
maschinelle Übersetzung Turing-Test Wahrnehmung maschineller Übersetzung Marketingkommunikation Englisch–Deutsch Übersetzungsevaluation Human Parity Humanübersetzung Qualitätsbewertung
Schlagwörter
(Englisch)
machine translation Turing test Perception of machine translation Marketing communication English–German Translation evaluation Human parity Human translation Quality evaluation
Autor*innen
Sebastian Guttmann
Haupttitel (Deutsch)
Turing-Test der Übersetzung
Hauptuntertitel (Deutsch)
Unterscheidung zwischen Human- und maschineller Übersetzung von Marketingtexten
Paralleltitel (Englisch)
Turing test of translation
Paralleluntertitel (Englisch)
distinguishing between human and machine translation of marketing texts
Publikationsjahr
2026
Umfangsangabe
145 Seiten : Illustrationen
Sprache
Deutsch
Beurteiler*in
Dagmar Gromann
Klassifikation
17 Sprach- und Literaturwissenschaft > 17.45 Übersetzungswissenschaft
AC Nummer
AC17924960
Utheses ID
81388
Studienkennzahl
UA | 070 | 331 | 342 |